【摘要】：隨著遙感技術的發(fā)展,更高空間分辨率的航天遙感數據產品不斷出現(xiàn),以及航空遙感技術的日臻成熟,為城鄉(xiāng)規(guī)劃遙感監(jiān)測提供了有效而適用的數據源。本文以WorldView-Ⅱ衛(wèi)星遙感數據結合高分辨率的航空遙感數據,針對我國迅速城市化過程中城鄉(xiāng)規(guī)劃與建設的監(jiān)測問題,開展適合高空間分辨率遙感影像的面向對象特征構建、特征選擇和城市地物分類等技術研究,并進一步應用于城鄉(xiāng)規(guī)劃的控制性詳細規(guī)劃監(jiān)測。主要研究內容與結果如下： (1)在影像多尺度分割生成對象的基礎上,研究了對象特征構建算法,重點研究了城市地物較突出的紋理特征和形狀特征構建算法。首先研究了基于半變異函數的紋理計算尺度問題,并進一步研究了基于灰度共生矩陣的對象紋理特征計算算法。針對城市建筑地物形狀規(guī)整的特點,研究了多種形狀特征計算算法。 (2)分割后的高分遙感影像對象有光譜、紋理和形狀等多種特征的特點,眾多特征參與分類,分類效率會降低,但分類精度也未必能提高。針對面向對象分類有益特征選擇問題,研究了對象特征選擇的技術流程,首先基于改進的ReliefF去除無關特征,再利用特征間的互信息初步去除冗余特征,形成特征粗集,最后利用遺傳算法,以類內、類間距離為適應度函數,對影像對象分類的最優(yōu)特征子集進行搜索和評價,最終得到有益于城鄉(xiāng)地物對象分類的特征子集。 (3)針對面向對象分類的小樣本問題,結合SVM適合小樣本的特點,本文針對基于SVM的面向對象分類中的部分環(huán)節(jié)進行了研究。針對徑向基核函數SVM的C和γ參數對分類精度影響大的問題,在前人研究的基礎上,結合城市監(jiān)測的需要,研究了三步搜索法的參數優(yōu)化算法。SVM是針對二分類問題,本文設計了多類分類的流程,即在投票法SVM分類的基礎上,進一步利用最近鄰法,對票數相同或相差一票的情況進一步分類。最后,以北京市某2個區(qū)域為研究區(qū),以高分辨率的WorldView-Ⅱ航天衛(wèi)星遙感影像為數據源,輔以研究區(qū)航空遙感影像,構建遙感城鄉(xiāng)土地利用分類體系。在影像分割的基礎上,利用本文研究的特征構建算法、特征優(yōu)選技術流程,以及基于改進SVM分類算法,完成研究區(qū)的城市地類分類。最后以研究區(qū)的城市規(guī)劃圖為依據,對該區(qū)域的城市規(guī)劃執(zhí)行情況進行監(jiān)測和評價。
[Abstract]:With the development of remote sensing technology, higher spatial resolution spaceflight remote sensing data products are emerging, and the aeronautical remote sensing technology is becoming more and more mature, which provides an effective and applicable data source for urban and rural planning remote sensing monitoring. In this paper, WorldView- 鈪，

本文編號：2296433